下载并运行YOLOV5检测模型，检测图片、视频，并用自己的训练集训练模型_pycharm yolov5导入视频

下载并运行YOLOV5检测模型，检测图片、视频，并用自己的训练集训练

1、首先，到github上下载YOLOV5包，下载地址为https://github.com/ultralytics/yolov5

在code的下拉箭头中，点击Download ZIP,即可进行下载

2、下载好之后，解压，用pycharm打开

可以看到，在model中，提供了四个模型，每个模型的大小和精度都不一样，源码中用的是yolov5s.yaml

3、打开detect.py,直接运行，如果不报错的话，运行结束之后，会把inference/images中的图片bus.jpg和zidane.jpg进行目标侦测，然后生成一个output的文件夹





但是，有可能会报错，pycharm界面会提示把pytorch,numpy,torchvision等等库升级到最新的版本，否则不能执行，这时候，就要把库进行升级一下。库升级好之后，可能还会报“OSError: [WinError 126] 找不到指定的模块”的错误，这个时候，报错行会提示安装Visual C++的链接，点击链接，自动下载安装，之后就没有问题了。
4、检测视频

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')
    parser.add_argument('--source', type=str, default='inference/images', help='source')  # file/folder, 0 for webcam
1
2
3
4

在detect.py的151行，有这几行程序，–weights那一行，是可以选择不同的模型进行测试。–source这一行，就是来源的意思，就是要进行检测的图片或视频，default=‘inference/images’，可以把自己想测试的MP4视频放进这个文件夹
5、开启摄像头检测
把第四步中的default=‘inference/images’改成default=‘0’，便可开启摄像头，进行动态的实时检测。
4、尝试用train.py训练自己的数据集
下面，我们运行train.py，会提示下载coco数据集，如果自动下载下载不下来，就用提示的下载链接进行下载，下载好解压放在yolov5同级的文件夹下

我们打开数据集，观察数据集的特征。随便打开一张图片，我这里用000000000165.jpg的图片，是这样的
打开与之对应的标签label，
很明显，这张图片里面有4个目标，就用第二行的0 0.687836 0.600877 0.598703 0.798246
这几个数，看看这到底代表了什么含义(第一个数0是类别）。（总共80类，0就是person）

假设不正确，可以看出来，（x1,y1）不是框左上角的点，其实是中心点的坐标，正确的如下

验证一下
总结：所以，如果想用自己的训练集来训练网络，在造数据集的标签时，
第一个数是：类别
第二个数是：中心点横坐标/图片宽
第三个数是：中心点纵坐标/图片高
第四个数是：框宽/图片宽
第四个数是：框高/图片高
按照上面的规则造好标签，就可以用来训练网络了（图片名和标签名要一样）